MétaCan
Menu
Retour à la cohorte
Enregistrement W3203635563 · doi:10.1115/1.4052595

Effect of Freeze Pipe Eccentricity in Selective Artificial Ground Freezing Applications

2021· article· en· W3203635563 sur OpenAlexafffund
Ahmad F. Zueter, Ali Madiseh, Ferri Hassani, Agus P. Sasmito

Notice bibliographique

RevueJournal of Thermal Science and Engineering Applications · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversity of British ColumbiaMcGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologies
Mots-clésEccentricity (behavior)MechanicsCoolantHeat transferInjectorConcentricWork (physics)Materials scienceThermodynamicsGeometryPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Building concentric tubes is one of biggest practical challenges in the construction of freeze-pipes of selective artificial ground freezing (S-AGF) applications for underground mines. In this study, the influence of tubes eccentricity on phase-front expansion (i.e., expansion of the frozen body) and energy consumption of S-AGF systems is analyzed. A 1 + 1D semi-conjugate model that solves two-phase transient energy conservation equation is derived based on the enthalpy method. The 1 + 1D model is first validated against experimental data and then verified with a fully conjugate model from our previous work. After that, the 1 + 1D model is extended to a field-scale of typical underground mines to examine the effect of freeze-pipe eccentricity. The results show that concentric freeze-pipes form the desired frozen ground volume 17% faster than eccentric freeze-pipes. Also, the geometrical profile of the phase-transition front of the frozen ground is found to be significantly influenced by the freeze-pipe eccentricity. Furthermore, in the passive zone, where S-AGF coolants are isolated from the ground to reduce energy consumption, freeze-pipe eccentricity can increase the coolant heat gain by 20%. This percentage can increase up to 200% if radiation heat transfer is minimized.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,235
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Thermal Science and Engineering ApplicationsMême sujetClimate change and permafrostTravaux en français237 207